딥러닝과 신경망
수많은 돋보기가 겹쳐져서 사진 속 사물을 점, 선, 면부터 차례대로 파악해 전체 모습을 알아맞히는 마법의 렌즈 같아요.
정의 사람의 뇌세포(뉴런)가 신호를 주고받는 방식을 흉내 낸 인공 신경망을 여러 겹 깊게 쌓아 올려, 컴퓨터가 스스로 데이터 속 복잡한 규칙을 배우게 만드는 기술이에요.
사람의 뇌를 흉내 낸 그물망, 인공 신경망
사람의 뇌 속에는 수백억 개의 신경세포(뉴런)가 서로 그물망처럼 연결되어 정보를 주고받아요. 컴퓨터 공학자들은 이 모습에 착안해 컴퓨터 안에도 신호를 주고받는 가상의 계산 세포를 만들었어요. 이것이 바로 인공 신경망(인공적으로 만든 신경망)이에요.
인공 신경망의 계산 세포는 여러 곳에서 들어온 신호를 합쳐서 다음 세포로 넘겨요. 이때 중요한 신호에는 큰 힘을 실어주고, 덜 중요한 신호는 약하게 줄여서 전달해요. 이렇게 신호의 세기를 조절하는 값을 가중치라고 불러요.
수많은 가상의 세포들이 서로 연결되어 신호를 주고받다 보면, 컴퓨터는 복잡한 숫자 더미 속에서도 일정한 패턴을 스스로 찾아내기 시작해요.
'딥(Deep)'하게 쌓아서 스스로 배우는 딥러닝
인공 신경망의 세포들을 한 겹만 두면 아주 단순한 문제밖에 풀지 못해요. 그래서 연구자들은 이 층을 수십 겹, 수백 겹으로 깊고 빽빽하게 쌓아 올렸어요. 이렇게 신경망의 층을 깊게(Deep) 쌓아서 학습(Learning)시킨다고 해서 딥러닝이라는 이름이 붙었어요.
층이 깊어지면 놀라운 일이 생겨요. 고양이 사진을 보여주었을 때 맨 앞쪽 층은 밝고 어두운 점이나 단순한 선을 알아채요. 중간 층은 이 선들이 모여 만든 뾰족한 귀나 둥근 눈 모양을 파악하죠. 마지막 깊은 층에 이르면 비로소 '고양이의 얼굴'이라는 전체 형태를 이해하게 돼요.
과거에는 사람이 컴퓨터에게 고양이의 특징을 일일이 공식으로 적어줘야 했어요. 반면 딥러닝은 엄청난 양의 사진을 보면서 스스로 특징을 단계별로 조립하는 법을 알아내요.
틀리면서 정답을 찾아가는 학습의 비밀
딥러닝 모델도 처음부터 사진을 척척 맞히지는 못해요. 처음에는 엉뚱하게 강아지 사진을 보고 고양이라고 찍기도 해요. 하지만 정답과 비교해서 얼마나 틀렸는지를 계산하고, 신경망 속 세포 연결 통로들을 거꾸로 되짚어가며 신호의 세기를 조금씩 고쳐나가요.
이 과정을 수백만 번, 수억 번 반복하면 세포들 사이의 연결 통로가 정답을 가장 잘 맞히는 최적의 상태로 조율돼요. 마치 양궁 선수가 과녁을 벗어난 화살의 위치를 보며 조준을 미세하게 수정하는 연습을 끊임없이 반복해 백발백중의 실력을 갖추는 것과 같아요.
조금 더 정확히 말하면, 딥러닝이 사람처럼 의식을 가지거나 생각을 하는 것은 아니에요. 엄청난 양의 수학 계산을 거쳐 입력된 정보가 특정 결과로 이어질 확률을 가장 정밀하게 찾아내는 거대한 계산 체계예요.
🤔 흔한 오해
딥러닝은 사람의 뇌와 똑같이 생각하고 의식을 가진 인공지능이다.
사람 뇌의 연결 구조에서 아이디어를 얻었을 뿐, 본질은 거대한 수학적 계산과 통계 모델이에요. 사람과 같은 감정이나 스스로 생각하는 의식은 없어요.
🧺 일상에서 만나요
뇌세포 구조를 본뜬 인공 신경망을 여러 층 깊게 쌓아, 컴퓨터가 데이터 속 특징을 스스로 배우고 판단하게 만드는 기술이에요.